混同行列（Confusion Matrix）とは？-AI関連の用語集【クラベルAI】-

混同行列（Confusion Matrix）

混同行列（Confusion Matrix）とは、機械学習モデルがどれくらい正確に分類できたかを評価するための表です。この表では、モデルの予測結果と実際の結果を比較して、どれだけ正しく、または誤って予測したかを示します。特に、分類問題で使われます。

混同行列（Confusion Matrix）は4つの部分から成り立ちます。

1. 真陽性（True Positive, TP）: 実際に「正しい」ものを、モデルが「正しい」と予測したケース。
2. 偽陽性（False Positive, FP）: 実際は「間違い」なのに、モデルが「正しい」と誤って予測したケース（「偽の警報」とも言います）。
3. 偽陰性（False Negative, FN）: 実際は「正しい」のに、モデルが「間違い」と誤って予測したケース。
4. 真陰性（True Negative, TN）: 実際に「間違い」のものを、モデルが「間違い」と予測したケース。

これら4つの値を使うことで、モデルの性能を詳しく分析することができます。混同行列（Confusion Matrix）は、精度（Precision）やリコール（Recall）などの評価指標を計算するための基本的なデータを提供します。

混同行列（Confusion Matrix）関連用語

混同行列（Confusion Matrix）に関連する単語は以下の通りです。

混同行列（Confusion Matrix）やさしい解説

混同行列（こんどうぎょうれつ）とは、AIや機械学習がどれくらい正しくものを分類できたかをわかりやすく表にしたものです。たとえば、AIが病気の人を見つける仕事をしているとき、その結果を次の4つのケースに分けて整理します。

1. 真陽性（True Positive, TP）: 本当に病気の人を、AIが「病気」と正しく判断した場合。
2. 偽陽性（False Positive, FP）: 本当は健康なのに、AIが「病気」と間違って判断した場合。
3. 偽陰性（False Negative, FN）: 本当は病気なのに、AIが「健康」と間違って判断した場合。
4. 真陰性（True Negative, TN）: 本当に健康な人を、AIが「健康」と正しく判断した場合。

この4つをまとめた表が「混同行列」です。この表を使うことで、AIがどれくらい正確に仕事をしているのかをチェックできます。たとえば、どれだけ間違った予測をしているのかや、どれだけ正しく予測しているのかが一目でわかります。

AI関連の用語集【まとめ】

AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方はぜひご覧ください。